C++图论

图的相关概念

图论（Graph Theory）以图为研究对象。图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些实体之间的某种特定关系，用点代表实体，用连接两点的线表示两个实体间具有的某种关系。图可以表示为G=（V，E），其中V是顶点的有穷（非空）集合，E为边的集合。

图的分类

无向图：边集E（G）中为无向边。

有向图：边集E（G）中为有向边。

带权图 ：边上带有权的图。也称为网。（有向带权图、无向带权图）

简单图 (simple graph)：若一个图中没有自环和重边，它被称为简单图。具有至少两个顶点的简单无向图中一定存在度相同的结点。

顶点的度、入度、出度

顶点的度：与该顶点相关联的边的数目，有奇点、偶点之分。

对于有向图：有入度和出度之分

入度：该顶点的入边的数目。

出度：该顶点的出边的数目。

完全图、稠密图、稀疏图

完全图：若是无向图中，则每两个顶点之间都存在着一条边；若是有向图，则每两个顶点之间都存在着方向相反的两条边。n阶的完全有向图含有n*(n-1)条边，n阶完全无向图含有n*(n-1)/2条边

稀疏图 (sparse graph)：若一张图的边数远小于其点数的平方，那么它是一张 稀疏图。

稠密图 (dense graph)：若一张图的边数接近其点数的平方，那么它是一张稠密图。

路径

在图G=(V,E)中，若从顶点vi出发，沿一些边经过一些顶点vp1,vp2,…,vpm，到达顶点vj。则称顶点序列(vi vp1 vp2 … vpm vj)为从顶点vi到顶点vj的路径。它经过的边(vi,vp1)、(vp1,vp2)、…、(vpm,vj)应是属于E的边。非带权图的路径长度是指路径上边的条数。带权图的路径长度是指路径上各边的权之和。

若路径上除vi、vj外其余各顶点均不互相同，则称这样的路径为简单路径。起点和终点相同的简单路径称为简单回路或环。

连通和连通分量

连通：在一个图中，如果从顶点U到顶点V有路径，则称U和V是连通的；

连通图：如果一个无向图中，任意两个顶点之间都是连通的，则称该无向图为连通图。否则称为非连通图；左图为一个连通图。

连通分量：一个无向图的连通分支定义为该图的最大连通子图，左图的连通分量是它本身。

注意：任何连通图的连通分量只有一个，即本身，而非连通图有多个连通分量！！！！！

强连通图和强连通分量

强连通图：在一个有向图中，对于任意两个顶点U和V，都存在着一条从U到V的有向路径，同时也存在着一条从V到U的有向路径，则称该有向图为强连通图；右图不是一个强连通图。

强连通分量：一个有向图的强连通分量定义为该图的最大的强连通子图，右图含有两个强连通分量，一个是1和2构成的一个子图，一个是3独立构成的一个子图。

注意：强连通图只有一个强连通分量，即本身，非强连通图有多个强连通分量！！！！！

C++图论简介与实现

图论是计算机科学中一个重要的领域，用于研究图数据结构以及图算法。图由节点（顶点）和连接节点的边组成，可以用于表示各种关系和网络结构。在本篇博客中，我们将介绍C++中常用的图论算法，并给出相应的代码实现。

图的表示

图可以用多种方式进行表示，常见的有邻接矩阵和邻接链表。在C++中，我们可以使用二维数组或者容器来表示图。

邻接矩阵表示

邻接矩阵是一个二维数组，用于表示图中每个节点之间的连接关系。如果节点i和节点j之间有一条边，则邻接矩阵中的第i行第j列和第j行第i列的元素为1，否则为0。

const int MAX_NODES = 100;
int adjMatrix[MAX_NODES][MAX_NODES];

void addEdge(int u, int v) {
    adjMatrix[u][v] = adjMatrix[v][u] = 1;
}

邻接链表表示

邻接链表是一种更灵活的图表示方法，它使用一个数组或者容器来存储每个节点的邻居节点。在C++中，我们可以使用vector或者list来实现邻接链表。

const int MAX_NODES = 100;
vector<int> adjList[MAX_NODES];

void addEdge(int u, int v) {
    adjList[u].push_back(v);
    adjList[v].push_back(u);
}

图的遍历

图的遍历是指以某个节点为起点，依次访问图中的所有节点。常见的图遍历算法有深度优先搜索（DFS）和广度优先搜索（BFS）。

深度优先搜索

深度优先搜索是一种递归的图遍历算法，它从起点开始，依次访问起点的邻居节点，然后再访问邻居节点的邻居节点，直到遍历完所有的节点。

bool visited[MAX_NODES];

void dfs(int u) {
    visited[u] = true;
    cout << u << " ";

    for (int v : adjList[u]) {
        if (!visited[v]) {
            dfs(v);
        }
    }
}

广度优先搜索

广度优先搜索是一种非递归的图遍历算法，它从起点开始，依次访问起点的邻居节点，然后再访问邻居节点的邻居节点，直到遍历完所有的节点。广度优先搜索使用队列来保存待访问的节点。

bool visited[MAX_NODES];

void bfs(int u) {
    queue<int> q;
    visited[u] = true;
    q.push(u);

    while (!q.empty()) {
        int v = q.front();
        q.pop();
        cout << v << " ";

        for (int w : adjList[v]) {
            if (!visited[w]) {
                visited[w] = true;
                q.push(w);
            }
        }
    }
}

图的最短路径

最短路径是指在图中找到两个节点之间最短的路径。常见的最短路径算法有Dijkstra算法和Bellman-Ford算法。

Dijkstra算法

Dijkstra算法是一种贪心算法，用于求解带权图中的最短路径。它从起点开始，依次更新起点到其他节点的最短路径，并选择当前最短路径的节点作为下一个节点。

const int INF = INT_MAX;

void dijkstra(int start) {
    vector<int> dist(MAX_NODES, INF);
    dist[start] = 0;
    priority_queue<pair<int, int>, vector<pair<int, int>>, greater<pair<int, int>>> pq;
    pq.push({0, start});

    while (!pq.empty()) {
        int u = pq.top().second;
        pq.pop();

        for (int v : adjList[u]) {
            int weight = 1; // 假设边的权重都为1
            if (dist[u] + weight < dist[v]) {
                dist[v] = dist[u] + weight;
                pq.push({dist[v], v});
            }
        }
    }
}

Bellman-Ford算法

Bellman-Ford算法是一种动态规划算法，用于求解带权图中的最短路径。它从起点开始，依次更新起点到其他节点的最短路径，直到没有更新操作为止。

const int INF = INT_MAX;

void bellmanFord(int start) {
    vector<int> dist(MAX_NODES, INF);
    dist[start] = 0;

    for (int i = 0; i < MAX_NODES - 1; i++) {
        for (int u = 0; u < MAX_NODES; u++) {
            for (int v : adjList[u]) {
                int weight = 1; // 假设边的权重都为1
                if (dist[u] + weight < dist[v]) {
                    dist[v] = dist[u] + weight;
                }
            }
        }
    }
}

总结

图论在计算机科学中有着广泛的应用，涉及到图的表示、遍历和最短路径等问题。本篇博客介绍了C++中常用的图论算法，并给出了相应的代码实现。希望对读者能有所帮助。